机器学习(周志华)习题解答1.1-1.3: 理解假设和版本空间

这篇文章转自http://blog.csdn.net/thither_shore/article/details/52311282

是对周志华的《机器学习》的习题解答，为方便之后查看，记录如下～

习题 1.1 若表 1.1 只包含 1 和 4 两个样例，试给出相应的样本空间。已知色泽有两种取值，根蒂和敲声分别有三种取值。 

表 1.1 西瓜数据集

编号	色泽	根蒂	敲声	好瓜
1	青绿	蜷缩	浊响	是
2	乌黑	蜷缩	浊响	是
3	青绿	硬挺	清脆	否
4	乌黑	稍蜷	沉闷	否

　　首先说明概念1：版本空间（version space）是概念学习中与已知数据集一致的所有假设(hypothesis)的子集集合。即是版本空间是假设空间中于样本满足一致的“假设集合”, 是基于样本决定的。

　　 GB 是最大泛化正假设边界（maximally General positive hypothesis Boundary）； 
　　 SB 是最大精确正假设边界（maximally Specific positive hypothesis Boundary）。  
　　对于二维空间中的“矩形”假设（如图），绿色代表正例，红色代表负例。学习过程中，可以 不断删除与正例不一致的假设、和（或）与反例一致的假设 。最终将会获得与训练集一致（即对所有训练样本能够进行正确判断）的假设，即学得结果。如图 GB 与 SB 所围成的区域中的矩形即为版本空间。

解答：由于色泽有两种取值，根蒂和敲声分别有三种取值，再各自加上“通配”（即取什么值都无关紧要）这一项，一共是  (2+1)×(3+1)×(3+1)=48  种取值，另外还有一种取值是“好瓜这个概念根本不成立”即空集。故假设空间大小为 48+1=49。现在根据已有样本 1 和 4，可以排除掉假设空间中所有“色泽 ≠ 青绿”或“根蒂 ≠ 蜷缩”或“声响 ≠ 浊响”的项，以及由于有样本 1 即好瓜的存在，排除空集那一项，所以得到的版本空间大小为 8，用合取式表示则是以下 8 种取值： 

（色泽＝青绿）∧（根蒂＝∗）∧（敲声＝∗）（色泽＝∗）∧（根蒂＝蜷缩）∧（敲声＝∗）（色泽＝∗）∧（根蒂＝∗）∧（敲声＝浊响）（色泽＝青绿）∧（根蒂＝蜷缩）∧（敲声＝∗）（色泽＝青绿）∧（根蒂＝∗）∧（敲声＝浊响）（色泽＝∗）∧（根蒂＝蜷缩）∧（敲声＝浊响）（色泽＝青绿）∧（根蒂＝蜷缩）∧（敲声＝浊响）

习题 1.2   解答 ：刚已经分析了有 8 种取值，故假设空间中的假设用析取范式表达形式如下： 

好瓜↔∨∨∨∨∨∨(（色泽＝青绿）∧（根蒂＝∗）∧（敲声＝∗）)(（色泽＝∗）∧（根蒂＝蜷缩）∧（敲声＝∗）)(（色泽＝∗）∧（根蒂＝∗）∧（敲声＝浊响）)(（色泽＝青绿）∧（根蒂＝蜷缩）∧（敲声＝∗）)（色泽＝青绿）∧（根蒂＝∗）∧（敲声＝浊响）)(（色泽＝∗）∧（根蒂＝蜷缩）∧（敲声＝浊响）)(（色泽＝青绿）∧（根蒂＝蜷缩）∧（敲声＝浊响）)

　　其中任意一个取值可以去掉（即去掉取值的约束，从而扩大了结果的空间），比如 

好瓜↔∨(（色泽＝青绿）∧（根蒂＝∗）∧（敲声＝∗）)(（色泽＝∗）∧（根蒂＝蜷缩）∧（敲声＝∗）)

　　也是一种假设。但不可将 8 个都去掉，这样对“好瓜”就毫无约束了，这样存在样本 4 是不符的。故 包含以上 8 个合取式中任意非 0 个的析取范式表达式都是合理的假设，即共有  28−1=255  种假设。如果看到这里还没有完全理解，可以 点击这里看详细列举的 49 个假设取值，然后回过头去理解题 1.1。

习题 1.3 解答：由于含有噪声，故可对样本空间放宽约束。对于那些只与极少数样本不一致却与极大多数样本一致的假设，仍将其保留在版本空间中。